Einer der meistgelesenen und meistbeachteten Sportjournalisten Griechenlands, Vasilis Sambrakos, hat den CEO von Comparisonator, Tarkan Batgün, interviewt, und das Interview wurde auf Sport24 veröffentlicht. Hier sind einige der wichtigsten Schlagzeilen:
Vasilis Sambrakos spricht mit dem Gründer der Scouting-Plattform Comparisonator, Tarkan Batgün, über die Revolution, die Datenanalyse und KI-Technologie für die Art und Weise gebracht haben, wie Fußballvereine Transfers tätigen.
Tarkan Batgün ist eine anerkannte Persönlichkeit auf dem Gebiet des modernen Scoutings und der Leistungsanalyse.
Mit mehr als zwanzig Jahren Erfahrung auf vier Kontinenten hat er als Scouting-Direktor und Leiter der Leistungsanalyse in Profivereinen gearbeitet, hat in Verbänden und Bildungseinrichtungen unterrichtet und ist derzeit CEO der Comparisonator-Plattform , einem der weltweit fortschrittlichsten Tools für die Bewertung und den Vergleich von Fußballspielern durch Daten und KI.
Seine Karriere hat ihn ins Zentrum der internationalen Debatte über die Zukunft des Scoutings gebracht, da er Fußballwissen, technologisches Fachwissen und ein tiefes Verständnis für die Unterschiede zwischen den Märkten, von Europa und der Türkei bis Australien und den USA, vereint. Mit diesem Hintergrund ist er einer der maßgeblichen Gesprächspartner, wenn es darum geht, wie sich der Fußball im Zeitalter von Big Data und Künstlicher Intelligenz entwickelt.
In unserem Gespräch verweist Batgün auf die jungen griechischen Fußballer, die außerhalb Griechenlands spielen und heute herausragen. Und er erklärt, wie sich das moderne Scouting durch digitale Technologie, datengesteuerte Entscheidungsfindung und KI-Modelle verändert, die nun die Art und Weise verändern, wie Teams Talente identifizieren, bewerten und vorhersagen.
-Sie haben auf verschiedenen Kontinenten im Bereich Fußballanalyse und Scouting gearbeitet, von Australien über die Türkei bis nach Europa. Wie hat diese internationale Erfahrung Ihre heutige Herangehensweise an Daten und Talentidentifizierung geprägt?
“Die Arbeit im Fußball auf vier Kontinenten hat mich eine grundlegende Wahrheit gelehrt: Daten bedeuten nichts ohne kulturellen Kontext. Ein Spieler in Australien, der Türkei oder Belgien kann die gleichen Zahlen vorweisen, aber das Umfeld, das Tempo der Liga und die taktische Kultur verändern die Bedeutung dieser Zahlen völlig.
Meine Zeit in Australien hat mir geholfen, Systematisierung und Technologie zu verstehen; in der Türkei habe ich mich auf die Spielerentwicklung und die menschliche Seite des Scoutings konzentriert; und in Europa habe ich gelernt, wie man diese beiden Welten in Einklang bringt. Aus diesem Grund führt unsere KI bei Comparisonator nicht nur Berechnungen durch, sondern passt sich der “Sprache” des Fußballs in jedem Land an.
Dieses Gleichgewicht zwischen lokalem Verständnis und internationalem Vergleich ist es, was unsere Technologie weltweit nützlich macht und was mich dazu bringt, leidenschaftlich Brücken zwischen Fußballkulturen durch Daten zu bauen.”
Sie haben bei globalen Veranstaltungen und Fußballforen gesprochen, zahlreiche Daten-, KI- und Scouting-Panels von Mailand, London, Barcelona bis Serbien, Australien und der Türkei koordiniert und sowohl Vereine als auch Verbände beraten. Was, glauben Sie, hat Ihnen dieses Maß an internationalem Respekt und Anerkennung in der Fußballgemeinschaft eingebracht?
“Respekt im Fußball kommt nicht von Titeln – er kommt von Beständigkeit und Hingabe. Seit über zwei Jahrzehnten arbeite ich daran, drei Welten zu verbinden, die selten dieselbe Sprache sprechen: Fußball, Wissenschaft und Technologie.
Von der Entwicklung des ersten Scouting-Labor-Modells bis hin zur Zusammenarbeit als Berater mit internationalen Datenunternehmen wie Wyscout, Sportstec, Hudl und SoccerLab habe ich immer versucht, Systeme zu entwickeln, die über Einzelpersonen hinaus Bestand haben können. Wenn ich auf internationalen Foren spreche – sei es auf dem Social Football Summit in Rom, auf der DealDone Serbia oder auf dem Hungarian Football Forum – ist es nicht mein Ziel, Technologie zu “verkaufen”.
Es geht darum, echtes Fußballwissen zu teilen, das in Daten und KI-Logik umgesetzt wird. Die Menschen in diesem Bereich wissen das zu schätzen – denn sie wissen, dass es aus der Arbeit auf dem Spielfeld und hinter dem Bildschirm stammt. Letztendlich ist der Fußball eine universelle Sprache. Meine Aufgabe war es, dafür zu sorgen, dass die Daten diese Sprache fließend sprechen.”
-Welche jungen Griechen würden auffallen, wenn jemand nach jungen Fußballern suchen würde, die an Meisterschaften fernab von Griechenland teilnehmen?
“Ich verwende das Comparisonator Recruitment Shop Modul, um junge Spieler zu identifizieren, die über den AI Player Finder in die U17-U19- oder Profi-Ligen auf der ganzen Welt einsteigen.
Sobald ich eine Alterskategorie und den Filter für Nationalität und Pass eingebe – in diesem Fall z.B. Griechenland – zeigt das System automatisch eine Liste von Spielern auf jeder Position an, die einen griechischen Pass haben, zusammen mit ausgewählten Statistiken, um das richtige Talent zu finden.
Ich persönlich verfolge viele dieser jungen griechischen Spieler weltweit. Einige besonders interessante Namen sind:
- Theofanis Bakoulas (2005) – Rio Ave (Portugal)
- Theodoros Sakoufakis (2007) – Union Berlin U19 (Deutschland)
- Christos Kostoglou (2009) – Dortmund U17 (Deutschland)
- Andreas Poulopoulos (2009) – Werder Bremen U17 (Deutschland)
- Alexandros Zaverdinos (2007) – Sydney FC (Australien)
- Grigoris Politikis (2006) – Torino U20 (Italien)
- Philippos Tsapipis (2008) – Horsens U19 (Dänemark)
Ich verfolge auch einige bemerkenswerte U23-Spieler griechischer Herkunft, wie zum Beispiel:
- Nektarios Triantis (2003) – Minnesota United (USA)
- Michalis Kosidis (2002) – Zagleby Lubin (Polen)
- Aidy Jaiko (2002) – Cherkasy (Ukraine)”
-Was ist aus Ihrer Sicht die größte Veränderung im Fußball-Scouting in den letzten fünf Jahren durch Daten und KI?
“Die größte Veränderung ist der Wechsel von der Beurteilung zur Rechtfertigung. Vor fünf Jahren beruhte das Scouting hauptsächlich auf Meinungen. Jetzt muss jede Beobachtung durch Daten belegt werden. Die KI hat dies möglich gemacht und Intuition in etwas Messbares und Wiederholbares verwandelt.
Heute beschreiben Scouts Spieler nicht mehr nur, sondern “validieren” sie mit Metriken wie KI-Punkten, Trendkonsistenz und Rollenanpassung. Die Software hat die menschliche Erfahrung nicht ersetzt, sondern sie verbessert, indem sie dem, was einst Instinkt war, Struktur verleiht.”
-Welche Arten von Daten sind Ihrer Meinung nach die zuverlässigsten Indikatoren für die zukünftige Leistung eines Spielers?
“Die zuverlässigsten Daten sind die, die Muster erklären, nicht Momente. Bei Comparisonator haben wir gelernt, dass die Tendenz zur Beständigkeit, die Entscheidungseffizienz und die physische Wiederholbarkeit eines Spielers stärkere Indikatoren für zukünftige Leistungen sind als einzelne Highlights.
“Wir verlassen uns auch stark auf KI-Fitnesspunkte, um zu messen, wie nachhaltig die Leistung eines Spielers im Laufe der Zeit ist und nicht nur, wie gut er einmal war. Wenn dies mit kontextangepasster Leistung und Rollentauglichkeit kombiniert wird, sehen Sie die wahre Zukunft eines Spielers, nicht nur seine Vergangenheit.”
-Wie kann KI den Klubs helfen, das Risiko bei Investitionen in Spieler aus weniger bekannten oder unterbewerteten Märkten zu verringern?
“Künstliche Intelligenz ermöglicht es den Clubs, Annahmen durch Beweise zu ersetzen. Wenn Sie Spieler aus weniger bekannten oder unterbewerteten Märkten verfolgen, besteht das größte Risiko in der Inkonsistenz der Daten – unterschiedliche Ligen, unterschiedliche Spielstile und Lücken im Kontext machen einen Vergleich fast unmöglich.
Hier kommt die KI ins Spiel. Über Plattformen wie Comparisonator normalisiert und übersetzt die KI die Leistung jedes Spielers in eine universelle Fußballsprache, so dass ein Außenverteidiger in der USL League effektiv mit einem in der belgischen Profiliga verglichen werden kann.
Die KI-Modelle werten nicht nur Statistiken aus, sondern auch kontextbezogene Schwierigkeiten wie die Stärke der Liga, die Qualität des Teams und das taktische Umfeld. Dieser Prozess verwandelt unbekannte Spieler in quantifizierbare Profile. Die Vereine können sehen, wie sich die Werte eines Spielers theoretisch entwickeln würden, wenn er in einem anspruchsvolleren Umfeld spielen würde – dies nenne ich die Technologie des “virtuellen Transfers”.
Sie hilft den Rekrutierungsteams, das Risiko vor der Unterzeichnung zu simulieren, indem sie prädiktive Modelle anstelle von Intuition einsetzt. Kurz gesagt, KI ersetzt das menschliche Scouting nicht, aber sie verbessert es und ermöglicht es den Scouts, schnellere, sicherere und fundiertere Entscheidungen zu treffen, insbesondere in Märkten, in denen das traditionelle Scouting begrenzt oder voreingenommen ist.”
-Wenn Clubs Comparisonator nutzen, welche Datenpunkte oder Metriken werden dann beim Scouting vorrangig berücksichtigt?
“Jeder Verein nutzt die Daten anders, aber die Hauptpriorität ist Klarheit, das Verständnis, warum ein Spieler Leistung bringt, nicht nur wie viel er leistet. Bei der Verwendung von Comparisonator beginnen Trainer und Scouts in der Regel mit rollenbasierten Metriken und nicht mit rohen Zahlen.
Anstatt einfach zu fragen, wer die meisten Tackles hat, fragen sie zum Beispiel: “Wer ist ein defensiver Außenverteidiger?” oder “Wer entspricht dem Profil eines Box-to-Box-Mittelfeldspielers?”.
Aus diesem Grund wandelt die Plattform von Comparisonator über 700 statistische Parameter in KI-Punkte und rollenspezifische Indizes um, die es den Benutzern ermöglichen, Spieler auf der Grundlage ihrer funktionalen Position innerhalb eines Systems zu bewerten.
Die Clubs priorisieren Indikatoren wie:
- AI-Punkte (Gesamtleistungsindex)
- AI-Fitnesspunkte (Index der körperlichen Leistungsfähigkeit)
- Positional Role Fit %
- Konsistenz und Trendkurven
- Liga-Schwierigkeit & Team-Kontext-Anpassung
Anhand dieser Metriken können Vereine sehen, wie effektiv ein Spieler wirklich ist und nicht nur, wie viele Pässe oder Tacklings er gemacht hat. Die am meisten genutzten Bereiche sind die Module Spieler gegen Spieler und die Funktion Virtueller Transfer.”
-Wie normalisieren Sie die Daten zwischen Ligen mit unterschiedlicher Kapazität und wie zuverlässig ist diese Normalisierung bei der Vorhersage der Anpassung eines Spielers?
“Dies ist eine der größten Herausforderungen in der Fußballanalytik: der Vergleich von Spielern aus Ligen, die auf völlig unterschiedlichen Niveaus spielen. Die Comparisonator-Plattform verwendet eine KI-gesteuerte Normalisierungs-Engine, die die Leistung jedes Spielers entsprechend der Schwierigkeit der Liga, der Mannschaftsstärke und der Qualität der Gegner anpasst.
Im Laufe der Zeit lernen die maschinellen Lernmodelle aus Tausenden von Überweisungen und Ergebnissen und verbessern so kontinuierlich die Gewichtung. Das Ergebnis ist nicht theoretisch, sondern vorausschauend.”
-Wie stellen Sie sicher, dass Ihre KI-Modelle Verzerrungen aufgrund von Ligastärke, Spielweise der Teams oder Datenknappheit vermeiden?
“Verzerrungen sind der stille Feind von Fußballdaten. Um ihn zu minimieren, werden die KI-Modelle von Comparisonator auf Datensätzen trainiert, die mehrere Ligen und mehrere Saisons umfassen. Alles wird durch kontextuelle Gewichtung normalisiert – Ligastärke, Mannschaftsstil, Ballbesitzquote, Niveau der Gegner.
Bei Datenknappheit schaltet das Modell auf eine trendbasierte Vorhersage um, anstatt falsche Schlüsse zu ziehen.”
-Wie validieren Sie KI-gestützte Vorhersagen anhand der tatsächlichen Leistungsergebnisse?
“Bei der Validierung trifft Technologie auf Realität. Bei Comparisonator wird jede KI-Vorhersage mit der tatsächlichen Leistung nach einem Transfer verglichen. Wir verfolgen, wie sich Spieler tatsächlich anpassen – indem wir die vor dem Transfer vorhergesagten KI-Punkte mit ihren Ergebnissen nach dem Transfer vergleichen.
Diese Rückkopplungsschleife ermöglicht es dem Modell, sich selbst zu korrigieren und zu lernen, welche Variablen für die Leistungsanpassung wirklich wichtig sind.”
Klicken Sie hier, um das Originalinterview zu lesen: https://www.sport24.gr/football/aftoi-einai-oi-nearoi-ellines-podosfairistes-pou-xexorizoun/
